机器学习方法在浅层滩坝相薄储层孔隙度预测中的应用——以准噶尔盆地车排子地区白垩系为例 |
| |
作者姓名: | 张宇航 时保宏 张曰静 石好果 文雯 张杨 |
| |
作者单位: | 1. 西安石油大学地球科学与工程学院;2. 西安石油大学陕西省油气成藏地质学重点实验室;3. 中国石油大学(北京)油气资源与探测国家重点实验室;4. 中国石化胜利油田分公司勘探开发研究院;5. 中国石油青海油田分公司采油一厂 |
| |
基金项目: | 国家自然科学基金项目(41711530128);;陕西省自然科学基金项目(2021JQ-587);;油气资源与探测国家重点实验室开放课题基金(PRP/open-1609)~~; |
| |
摘 要: | 准噶尔盆地车排子地区白垩系储层以滩坝相沉积为主,储层砂体薄,纵向变化快,孔隙度估算难度较大。基于Xgboost机器学习算法,根据取心井的岩心实测数据,结合其对应的测井数据,建立了测井孔隙度模型。结果表明,研究区对储层孔隙度影响较大的测井变量为自然伽马测井、声波测井、密度测井和冲洗带电阻率测井,其相关系数分别为0.38、0.42、0.28和0.32。基于特征测井数据,利用Xgboost算法预测的孔隙度与实测孔隙度吻合度较高,相关系数为0.92,均方差为0.20。此外,对近期钻探的新井储层孔隙度进行预测,结果表明孔隙度较高的井段与试油数据相吻合,从侧面反映了模型的可靠性。这一结果为研究区油气藏评价和后期油藏模型的建立提供基础数据,有利于提高研究区勘探的精度。同时,该模型也可用于类似滩坝相、砂体薄的沉积背景下储层孔隙度估算研究。
|
关 键 词: | 机器学习 孔隙度估算 滩坝相 白垩系 车排子凸起 |
|